cross build 首先你要有支援 target platform 的 cross compiler，再來透過 rustup 下載對應的 component，最後用 cargo build --target 指定平台
https://github.com/cross-rs/cross 以外有其它的簡單方式嗎？
cross 我記得也是開 docker container 去編譯的
最方便的交叉編譯 就是去 target platform 。 我認同， 最合適的工具其實就是 github actions.
另外 Gitpod 也可以考慮，編譯很快
利用亂數隨機抽樣的方式以計算某種解答的演算法，被稱為蒙地卡羅演算法，其中最簡單的方法是直接取樣算法。
舉例而言，假如我們不知道半徑為 1 的圓形面積，那麼就可以利用亂數隨機取樣 1 百萬個 X=random[-1…1], Y=random[-1…1] 之間的的值，然後看看有多少點落在 x^2+y^2<=1 的範圍之內 P(in circle)。最後利用 4 * P(in circle) 就可以計算出該圓形的面積。
我猜大家第一次聽到 Monte Carlo Methods 的地方大概就是上述估計 pi 這個 toy problem，裡面利用的是 Monte Carlo Integration 的概念。Monte Carlo Methods 是一系列利用 randomness 求解 deterministic models 的方法，基於大數法則能在期望值上得到正確解。
因為,
可得,
$$ P B = A P
先給 OpenGPT 閱讀了以下有關 RISC-V 的教學文章:
在本系列的文章中，我們將介紹如何建構一個 RISC-V 處理器上的嵌入式作業系統，該作業系統名稱為 mini-arm-os 。(其實是一系列的程式，非單一系統)
首先在本章中，我們將介紹一個最簡單可以印出 Hello OS! 的程式該怎麼寫！
os.c
https://github.com/cccriscv/mini-riscv-os/blob/master/01-HelloOs/os.c
關於隨機波動理論
Austin : 一般來說，我們可能會考慮市場價格由趨勢和波動組成，其中波動的幅度對應發生的機率是固定的，這就是我們所謂的波動率為常數的概念。
Machine : 是的，波動率是指市場價格在一段時間內波動的幅度。如果波動率為常數，則代表每次波動的幅度相同，並且波動的頻率也是固定的。這種情況下，我們可以用數學模型來預測市場價格的變化情況。
5-Stage Pipelined MIPS CPU,
L1:
I-Cache: 256KB, D-Cache: 32KB
MEM Latency: 200ps(raiesd up to 250ps),
Base CPI(ideal cache) = 1,
Miss Penalty 200 cycles, I-Cache Miss Rate: 5%, D-Cache Miss Rate: 10%(reduce down to 5%).
Large-Scale Pretraining with Transformers
更 high level 來看, BERT 是用了 Transformer 的 encoder; GPT 則是用了 Transformer 的 decoder.
注意力機制中 Q, K, V 意義上是什麼, 是如何產生的?
想像一個場景：一張白色的桌子上有一張白色的紙和一顆紅色的蘋果.
這時, Values 就是整個場景. Keys 就是你不經意就會注意到的明顯物體(e.g., 紅色蘋果).